机器人 / 具身智能

Structure Abstraction and Generalization in a Hippocampal-Entorhinal Inspired World Model

在启发式世界模型中的结构抽象与泛化

Tianqiu Zhang, Muyang Lyu, Xiao Liu, Si Wu

机构 * Peking-Tsinghua Center for Life Sciences, Academy for Advanced Interdisciplinary Studies, IDG/McGovern Institute for Brain Research, Center of Quantitative Biology, School of Psychological and Cognitive Sciences, Key Laboratory of Machine Perception (Ministry of Education), Peking University（北京大学-清华大学生命科学中心，先进跨学科研究院，IDG/麦克戈文脑科学研究院，定量生物学中心，心理与认知科学学院，机器感知重点实验室（教育部），北京大学） 纠错

专题命中 机器人数据与评测 ：world model(title,abstract)；分类 cs.AI、cs.CV

AI总结 本文提出了一种脑启发的分层模型，通过逆向模型提取潜在转换并构建预测视觉世界模型，展示了在连续高维动态中同时提取抽象结构的能力，实现了结构泛化。

Comments Project page: https://hpc-mec-worldmodel.github.io/

AirNav: A Large-Scale UAV Vision-and-Language Navigation Dataset with Natural and Diverse Instructions

AirNav: 一个大规模无人机视觉与语言导航数据集，包含自然且多样的指令

Hengxing Cai, Yijie Rao, Ligang Huang, Zanyang Zhong, Jinhan Dong, Jingjun Tan, Changhao Nai, Jue Hou, Wenhao Lu, Renxin Zhong

机构 * School of Intelligent Systems Engineering, Sun Yat-Sen University（中山大学智能系统工程学院） ； Beihang University（北京航空航天大学） ； Peking University（北京大学） ； Beijing University Of Posts and Telecommunications（北京邮电大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Xiamen University（厦门大学） ； National University of Defense Technology（国防科技大学） 纠错

专题命中 机器人数据与评测 ：navigation(title,abstract)

AI总结 本文提出AirNav数据集，包含137K自然多样指令的导航样本，评估了多种方法，提出AirVLN-R1模型在测试中取得51.82%的成功率，并通过实际无人机实验验证了仿真到现实的迁移能力。

CLARE: Continual Learning for Vision-Language-Action Models via Autonomous Adapter Routing and Expansion

CLARE：通过自主适配器路由和扩展实现视觉-语言-动作模型的持续学习

Ralf Römer, Yi Zhang, Yuming Li, Angela P. Schoellig

机构 * Technical University of Munich（慕尼黑技术大学） ； TUM School of Computation, Information and Technology（TUM计算、信息与技术学院） ； Department of Computer Engineering, Learning Systems and Robotics Lab（计算机工程系、学习系统与机器人实验室） ； Munich Institute of Robotics and Machine Intelligence (MIRMI)（慕尼黑机器人与机器智能研究所（MIRMI）） ； Robotics Institute Germany（德国机器人研究所） ； Munich Center for Machine Learning（慕尼黑机器学习中心） 纠错

专题命中 机器人数据与评测 ：robotics(abstract,comments)；manipulation(abstract)；分类 cs.RO、cs.LG

AI总结 CLARE提出一种参数高效、无需示例的持续学习框架，通过自主扩展模型模块，实现机器人在新任务中保持旧知识，优于基于示例的方法。

Comments Accepted to IEEE Robotics and Automation Letters 2026. Project page: https://tum-lsy.github.io/clare. 11 pages, 9 figures

Simultaneous State Estimation and Online Model Learning in a Soft Robotic System

在软机器人系统中同时进行状态估计和在线模型学习

Jan-Hendrik Ewering, Max Bartholdt, Simon F. G. Ehlers, Niklas Wahlström, Thomas B. Schön, Thomas Seel

机构 * Department of Information Technology, Uppsala University（信息科技系，乌普萨拉大学） ； Vascular Surgery, Hannover Medical School（血管外科，汉诺威医学院） 纠错

专题命中 机器人数据与评测 ：robotic(title)；分类 cs.RO

AI总结 本文提出一种方法，利用灰盒系统识别工具，在线学习软机器人的弯曲刚度模型并准确估计其姿态。

Comments 8 pages, 3 figures, 2 tables, contribution to the International Conference on Information Fusion 2026

COCO-Inpaint: A Benchmark for Detecting and Localizing Inpainting-Based Image Manipulations

COCO-Inpaint：用于检测和定位基于修补的图像篡改的基准

Haozhen Yan, Yan Hong, Jiahui Zhan, Suning Lang, Yikun Ji, Huijia Zhu, Jun Lan, Jianfu Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Ant Group（蚂蚁集团） 纠错

专题命中 机器人数据与评测 ：manipulation(abstract)；分类 cs.AI、cs.CV

AI总结 本文提出COCO-Inpaint基准，用于检测和定位基于修补的图像篡改，通过高质样本、多样场景和大规模覆盖，揭示修补与真实区域的内在不一致。

Comments 6 pages, 8 figures

Minerva-Ego: Spatiotemporal Hints for Egocentric Video Understanding

Minerva-Ego：眼动视频理解的空间时间提示

Arsha Nagrani, Jasper Uijilings, Shyamal Buch, Tobias Weyand, Sudheendra Vijayanarasimhan, Bo Hu, Ramin Mehran, David A Ross, Cordelia Schmid

机构 * Google（谷歌） ； DeepMind（深度Mind） 纠错

专题命中 机器人数据与评测 ：embodied agent(abstract)；分类 cs.CV、cs.LG

AI总结 本文提出Minerva-Ego基准，通过多步骤多模态问题和密集标注的时空推理轨迹评估眼动视频理解模型，发现提示'何时何地'显著提升性能。

ShopGym: An Integrated Framework for Realistic Simulation and Scalable Benchmarking of E-Commerce Web Agents

ShopGym: 一个集成框架，用于电子商务网络代理的现实模拟和可扩展基准测试

Chinmay Savadikar, Mingyu Zhao, Yuanzheng Zhu, Han Li, Shuang Xie, Alberto Castelo, Tianfu Wu, Lingyun Wang

机构 * North Carolina State University（北卡罗来纳州立大学） ； Shopify 纠错

专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.AI

AI总结 本文提出ShopGym框架，通过模拟层ShopArena和基准层ShopGuru，实现电子商务网络代理的现实模拟与可扩展基准测试，验证了合成商店在结构属性和代理性能上的有效性。

Comments 32 pages, 10 figures

Invaria: Learning Scale and Density Invariance in Point Clouds via Next-Resolution Prediction

Invaria：通过下一分辨率预测实现点云中的尺度和密度不变性

Chun-Peng Chang, Shaoxiang Wang, Alain Pagani, Dariu Gavrila, Holger Caesar

机构 * TU Delft（代尔夫特理工大学） ； DFKI（德累斯顿德国研究院） 纠错

专题命中 机器人数据与评测 ：robotics(abstract)；分类 cs.CV

AI总结 本文提出Invaria，一种通过下一分辨率预测和感受野校准实现点云尺度和密度不变性的编码器，提升了模型在不同分辨率下的泛化能力。

Learning Structured Robot Policies from Vision-Language Models via Synthetic Neuro-Symbolic Supervision

通过合成神经符号监督学习结构化机器人策略

Alessandro Adami, Tommaso Tubaldo, Marco Todescato, Ruggero Carli, Pietro Falco

机构 * University of Padova, Dept. of Information Engineering（帕多瓦大学信息工程系） ； Fraunhofer Italia Research（弗劳恩霍夫意大利研究所） ； Polytechnic of Bari Dept. of Electrical and Information Engineering（巴里理工学院电气与信息工程系） 纠错

专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO

AI总结 本文提出通过合成神经符号监督方法，利用视觉语言模型生成结构化机器人策略，结合多模态感知与符号控制，实现高维学习与符号控制的结合。

MyoChallenge 2025: A New Benchmark for Human Athletic Intelligence

MyoChallenge 2025: 人类运动智能的新基准

Cheryl Wang, Chun Kwang Tan, Balint K. Hodossy, Eric Lyu, Jun Guo, Wentao Zhao, Huaping Liu, Chengkun Li, Merkourios Simos, Bianca Ziliotto, Alexander Mathis, Siyuan Liu, Jiahao Chen, Shanlin Zhong, Bo Jiang, Ci Song, Yaoye Zhu, Chenhui Zuo, Yanan Sui, Mohamed Irfan Refai, Massimo Sartori, Guillaume Durandau, Vikash Kumar, Vittorio Caggiano

机构 * McGill University（麦吉尔大学） ； National University of Singapore（国立新加坡大学） ； Imperial College London（伦敦帝国理工学院） ； King’s College London（伦敦国王学院） ； Tsinghua University（清华大学） ； EPFL（苏黎世联邦理工学院） ； CASIA（中国科学院自动化所） ； University of Twente（代尔夫特理工大学） ； MyoLab 纠错

专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.RO

AI总结 本文提出MyoChallenge 2025基准，通过高保真骨骼肌模型与机器学习算法结合，推动运动控制智能研究，包含乒乓球和足球点球两个任务，促进多学科交叉研究。

Learning Dynamic Structural Specialization for Underwater Salient Object Detection

学习动态结构专业化用于水下显著目标检测

Lin Hong, Chenhui Wang, Linan Deng, Yuning Cui, Yu Zhang, Xin Wang, Bojian Zhang, Wenqi Ren, Xingchen Yang, Fumin Zhang

机构 * Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（电子与计算机工程系，香港科学与技术大学） ； School of Robotics and Advanced Manufacture, Harbin Institute of Technology（机器人与先进制造学院，哈尔滨工业大学） ； School of Computation, Information and Technology, Technical University of Munich（计算、信息与技术学院，慕尼黑技术大学） ； College of Computer Science & Visual Computing and Intelligent Perception Lab, Nankai University（计算机科学与视觉计算学院及智能感知实验室，南开大学） ； School of Cyber Science and Technology, Sun Yat-sen University（网络科学与技术学院，中山大学） ； School of Automation, Southeast University（自动化学院，东南大学） 纠错

专题命中 机器人数据与评测 ：robotic(abstract)；分类 cs.CV

AI总结 本文提出DSS-USOD方法，通过动态结构专业化解决水下图像退化导致的定位不准确、区域碎片化和边界预测粗的问题，提升边界精度与区域一致性。

Comments 15 pages

Is Agentic AI Ready for Real-World Hardware Engineering? A Deep Dive with Phoenix-bench

代理AI是否准备好进行现实世界硬件工程？通过Phoenix-bench的深入探讨

Qingyun Zou, Feng Yu, Hongshi Tan, Bingsheng He, WengFai Wong

机构 * National University of Singapore（新加坡国立大学） 纠错

专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.AI

AI总结 本文通过Phoenix-bench评估代理AI在硬件工程中的表现，发现软件与硬件工程本质不同，且故障集中于设计控制流、验证测试用例等，定位精度比定位本身更重要。

Don't Retrieve, Navigate: Distilling Enterprise Knowledge into Navigable Agent Skills for QA and RAG

不要检索，导航：将企业知识转化为可导航的代理技能用于问答和RAG

Yiqun Sun, Pengfei Wei, Lawrence B. Hsieh

机构 * Magellan Technology Research Institute（马格纳技术研究 institute） 纠错

专题命中 机器人数据与评测 ：navigation(abstract)；分类 cs.AI

AI总结 本文提出Corpus2Skill，通过将文档库转化为层次化技能目录，使LLM代理在服务时能导航该目录，提升问答质量和 grounding，但指出导航并非所有场景下的最佳替代方案。